Frugaler ZeichnungsChecker

Die ad:min GmbH ist ein Anbieter von Softwarelösungen, u.a. im Bereich CAD. Die Kunden der ad:min GmbH stehen häufig vor der Herausforderung, aus CAD-Modellen abgeleitete Zeichnungen auf Korrektheit zu prüfen. Dies Aufgabenstellung wird derzeit manuell gelöst und ist sehr zeitintensiv.

Zielsetzung des Quick Checks ist es, zu bewerten, ob die Umsetzung eines leichtgewichtigen und passgenauen Softwaretools zur möglichst automatisierten Prüfung der Korrektheit technischer Zeichnungen möglich ist.

Problem- und Zielbeschreibung

Eine häufige Herausforderung in Fertigungsprozessen ist die Prüfung von 2D-Zeichnungen, die manuell aus 3D-CAD-Modellen abgeleitet wurden. Bei der Übertragung können Informationen verloren gehen oder fehlerhaft übernommen werden. Da vollständige und korrekte Zeichnungen für die Fertigung unverzichtbar sind, können solche Fehler zu Ausschuss und Reklamationen führen. Derzeit kontrollieren Konstrukteure die teilweise komplexen Zeichnungen manuell. Dies ist zeit- und personalintensiv; zudem können Fehler übersehen werden. Eine umfassende KI-Lösung wäre zwar denkbar, ist jedoch mit hohem Entwicklungsaufwand und Risiko verbunden.

Ziel des Projekts war daher die Bewertung eines leichtgewichtigen, kostengünstigen und praxisnahen Softwaretools. Dieses sollte zunächst automatisiert prüfen, ob alle fertigungsrelevanten Informationen in einer 2D-Zeichnung enthalten sind, und bei fehlenden Angaben eine Warnung ausgeben. So soll der manuelle Prüfaufwand deutlich reduziert werden.

Detaillierter Projektablauf

Im Rahmen dieses Projekts wurden zunächst die Machbarkeit und Leistungsfähigkeit einer automatisierten Prüfung technischer Zeichnungen ausschließlich mithilfe von Prompts und einem Large Language Model (LLM) untersucht. Dabei zeigte sich, dass dieser Ansatz allein nur bedingt eine zuverlässige Prüfleistung gewährleistet. Daher wurde eine alternative Verarbeitungspipeline vorgeschlagen, um diese Einschränkungen zu überwinden.

Darüber hinaus wurde bestätigt, dass sich verschiedene Zeichnungsmerkmale wie Maßtexte, Maßlinien und geometrische Merkmale aus DXF-Dateien extrahieren lassen. Diese strukturierten Daten können als Eingabedaten genutzt werden, um die Leistungsfähigkeit von Machine-Learning-Modellen zu verbessern.

Abschließend wurden zwei Ansätze zur Prüfung technischer Zeichnungen auf Richtigkeit und Vollständigkeit vorgeschlagen: ein regelbasierter und ein LLM-basierter Ansatz.

Projektnutzen

• Reduzierung von Prüfzeit und Kosten
• Steigerung der Zeichnungsqualität und Prüfzuverlässigkeit
• Entlastung von Fachkräften
• Bereitstellung einer wirtschaftlichen und skalierbaren Lösung

Finanziert durch